حجم بسیار و روبه رشد اطلاعات بر روی اینترنت، فرآیند تصمیم‌گیری و انتخاب اطلاعات، داده یا کالاهای موردنیاز را، برای بسیاری از کاربران وب دشوار کرده است. سامانه‌های پیشنهاددهنده (توصیه گر)¹ ، باهدف رفع این چالش به وجود آمده‌اند و تلاش می‌کنند تا از میان حجم عظیم اطلاعات، اطلاعات خاص و مفید را با توجه به علاقه و سلیقه کاربر و تجربیات کاربران گذشته به وی پیشنهاد دهند. تاکنون سامانه‌های پیشنهاددهنده زیادی در زمینه‌های کاربردی متنوع ازجمله فیلم، موسیقی، کتاب و … ایجادشده‌اند. انتخاب یک سفر مناسب، پیشنهاد هتل و … با توجه به بودجه‌ی فرد، معمولاً سختی‌ها و نگرانی‌های زیادی را برای کاربران به همراه دارد و عموماً با صرف زمان و انرژی زیادی انجام می‌گیرد. لذا در این مقاله یک سیستم پیشنهاددهنده سفر و هتل ارائه می‌شود که از ترکیب روش فیلترهای مختلف ساخته‌شده است تا دقت آن دوچندان شود. این سیستم برای ارائه پیشنهادهای نهایی خود، سلایق کاربر جاری، کیفیت مجموعه‌های خدمات دهنده و تجربیات گذشته کاربران مشابه با کاربر جاری را مدنظر قرار داده و بدین ترتیب علاوه بر ارائه پیشنهادهای دقیق‌تر، مشکل شروع سرد² را که معمولاً برای کاربران جدید بروز می‌کند که در سیستم ثبت‌نام می‌کنند و سیستم هیچ اطلاعاتی از نظرات یا علایق کاربر ندارد، نیز برطرف می‌نماید. در چنین شرایطی، سامانه‌ها معمولاً از یادگیری فعال³ یا استفاده از ویژگی‌های شخصیتی کاربر، برای حل مشکل استفاده می‌کنند.